Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las redes neuronales son un campo muy importante dentro de la inteligencia artificial,
inspirándose en el comportamiento conocido del cerebro humano, (principalmente el referido
a las neuronas y sus conexiones), trata de crear modelos artificiales que solucionen problemas
difíciles de resolver mediante técnicas algorítmicas convencionales además de que son un
modelo para encontrar esa combinación de parámetros y aplicarla al mismo tiempo. En el
lenguaje propio, encontrar la combinación que mejor se ajusta es "entrenar" la red neuronal.
Una red ya entrenada se puede usar luego para hacer predicciones o clasificaciones, es decir,
para "aplicar" la combinación.
Neuronas artificiales:
Las redes neuronales artificiales (también conocidas como sistemas conexionistas) son un
modelo computacional vagamente inspirado en el comportamiento observado en su
homologo biológico. Consiste en un conjunto de unidades conectadas entre si para transmitir
señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas
operaciones) produciendo unos valores de salida.
Cada neurona esta conectada con otras a través de unos enlaces, en estos enlaces el valor de
salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces
pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo
modo, a la salida de la neurona, puede existir una función limitadora o umbral que modifica el
valor resultado o impone un limite que se debe sobrepasar antes de propagarse a otra
neurona.
Una red neuronal prealimentada (feed-forward en inglés) es una red neuronal artificial donde
las conexiones entre las unidades no forman un ciclo. Estas son diferentes de las redes
neuronales recurrentes.
La red neuronal prealimentada fue la primera y más sencilla forma de red neuronal artificial
ideada. En esta red, la información se mueve en una única dirección: adelante. De los nodos
de entrada, a través de los nodos escondidos (si los hay) hacia los nodos de salida. No hay
ningún ciclo o bucle en estas redes.
Bibliografia:
Introduction to Artificial Neural Systems. Jacek M. Zurada - West Publishing Company.
NEURAL NETWORK DESIGN Martin T. Hagan. Howard B. Demuth, Mark Beale, publishing
company.
-Complejidad de aprendizaje para grandes tareas, cuanto más cosas se necesiten que aprenda una
red, mas complicado será enseñarle.
- No permite interpretar lo que se ha aprendido, la red por si sola proporciona una salida, un
número, que no puede ser interpretado por ella misma, sino que se requiere de la intervención del
programador y de la aplicación en si para encontrarle un significado a la salida proporcionada.
- Elevada cantidad de datos para el entrenamiento, cuanto más flexible se requiera que sea la red
neuronal, más información tendrá que enseñarle para que realice de forma adecuada la
identificación.
Hoy en día las tecnologías se han tomado varias industrias como el entretenimiento, la economía,
la política etc. Por ende, se debe acondicionar, implementar y aplicar el uso de la inteligencia
artificial con fines de generar aprendizajes significativos mas eficaces, efectivos, para el desarrollo
cognitivo, social e interpersonal. Ya que, actualmente en diversas instituciones ubicadas en la
ciudad, a raíz de lo experimentado en la practica pedagógica, hemos reflexionado, analizado,
identificado y extraído, la ausencia en los contenidos de enseñanza, la impartición y la practica
fomentada hacia la inteligencia artificial. Porque gracias a los grandes beneficios que han traído los
avances tecnológicos a la humanidad, se debe concientizar el uso idóneo de las herramientas y
recursos.